Re: [PerlChina] 正则表达的问题和如何抓取网页信息

HTML::Selector::XPath；

配合HTML::TreeBuilder::XPath;很强大 用CSS选择器的语法获取内容   和Jquery类似的语法  非常方便

 比如

 

div#footer a   id是footer的div 下的所有连接

在 2010年7月30日 下午6:03，cnhack TNT <cnhacktnt@gmail.com>写道：

网页信息抽取，用 Web::Scraper 会方便得多

http://perlchina.org/advent/2009/WebScraper.html

2010/7/30 Qiang (James) <shijialee@gmail.com>

xuanshi wrote:
> Hi all
>
>
> 1，我在做 正则表达时， 我用了如下的语句： if ($KnowEn[$i] =~ /\$Instance/)
>                                       {
>                                               print $KnowEn[$i] ."\n";
>                                       }
> 系统总是对这个报错。我想知道，是什么原因呢 ？ 我现在猜测是：$KnowEn[$i]与循环有关，出了问题，环不下去，还有原文件里有空白的行。
>

报什么错？最重要的错误信息请不要省略。

>
>
>
> 2， 另外，我想从一个网页里，把我需要的信息抓取下来，要从哪里入手呢？比如这个网站：
> http://www2.chkd.cnki.net/kns50/Dict/dict_list.aspx?firstLetter=B#
> 有如下信息，有些是重要的，有些不重要。

你需要先抓网页(通过 LWP 或 WWW::Mechanize 即可)，然后根据内容的分布来匹
配(你可以通过正则匹配或是 CPAN 上的一些模块)。

这是 LWP 的一个教程 http://wiki.perlchina.org/LWP与WEB的基本使用

鉴于你要抓取的内容是在一个 html table 里，你可以使用
CPAN(search.cpan.org) 上众多的解析 table 的模块，例如 HTML::TableExtract
和 HTML::TableParser。

Qiang (James)

--
您收到此邮件是因为您订阅了 Google 网上论坛的“PerlChina Mongers 讨论组”论坛。
要向此网上论坛发帖，请发送电子邮件至 perlchina@googlegroups.com。
要取消订阅此网上论坛，请发送电子邮件至 perlchina+unsubscribe@googlegroups.com。
若有更多问题，请通过 http://groups.google.com/group/perlchina?hl=zh-CN 访问此网上论坛。

--
您收到此邮件是因为您订阅了 Google 网上论坛的“PerlChina Mongers 讨论组”论坛。
要向此网上论坛发帖，请发送电子邮件至 perlchina@googlegroups.com。
要取消订阅此网上论坛，请发送电子邮件至 perlchina+unsubscribe@googlegroups.com。
若有更多问题，请通过 http://groups.google.com/group/perlchina?hl=zh-CN 访问此网上论坛。

--
Azure.Wang

--
您收到此邮件是因为您订阅了 Google 网上论坛的“PerlChina Mongers 讨论组”论坛。
要向此网上论坛发帖，请发送电子邮件至 perlchina@googlegroups.com。
要取消订阅此网上论坛，请发送电子邮件至 perlchina+unsubscribe@googlegroups.com。
若有更多问题，请通过 http://groups.google.com/group/perlchina?hl=zh-CN 访问此网上论坛。